数字图像处理课程教学方法探讨5篇

第一篇：数字图像处理课程教学方法探讨

数字图像处理课程教学方法探讨

摘要：针对《数字图像处理》这门课程具有学科跨度大、理论性强、实用性广的特点，并结合学生的实际情况，对课程的教学模式进行了探讨。首先，根据选用教材内章节之间的联系，把各章的知识点结合在一起，实现对教学内容的有效整合。其次，针对教材理论性强的特点，在讲授时通过与实际的案例进行结合，激发学生的学习兴趣。最后，通过实践加深对理论知识的理解，同时也培养了学生的独立思考能力和创新能力。

关键词：数字图像处理；教学内容；教学模式；教学效果

中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）13-3060-04

Discussion on Teaching Method for Digital Image Processing

QIN Hua-feng1，WANG Xing-qiong2，KANG Qiu-hong1

（1.School of Computer Science and Information Engineering，Chongqing Technology and Business University，Chongqing 400067，China； 2.Chongqing Banan Middle School，Chongqing 400054，China）

Abstract： As the digital image processing has the large discipline span，strong theory，wide application，this paper discusses the teaching method based on the actual situation of students.Firstly，the knowledge is combining based on the relation among different chapters，which can integrate the teaching contents effectively.Then the students’ interest is aroused in the teaching process using actual case.Finally，the student can understand the theory clearly.At the same time，theirs independent thinking and innovation ability can be improved.Key words： Digital image processing； Teaching content； Teaching mode； Teaching effect

概述

数字图像处理诞生于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。直到20世纪60年代初期数字图像处理才发展成为一门学科。美国喷气推进实验室首次将数字图像处理实际成功应用到对几千张月球照片的处理，并利用计算机对处理后的图像进行分析，成功地绘制出月球表面地图。数字图像处理取得的另一个巨大成就是在医学上获得的成果。当前图像处理技术在工业自动化、工业检测、医学、遥感探测等各个方面都发挥着十分重要的作用[1]。

《数字图像处理》[2，3]是集成计算机科学、电子学、信息论、光学、数学等学科的一门综合性学科。本课程是空间信息工程系、摄影测量与遥感系开设的必修的专业基础课之一。它的起点高、难度大，理论性很强。学生在学习时，普遍感到数字图像处理的概念抽象，对其中的分析方法与基本理论不能很好地理解与掌握。如何提高学生对数字图像处理技术的学习兴趣，以及学生的图像处理技术的应用能力，是数字图像处理课程建设、课程改革的重要内容。现就接合自身在数字图像处理领域多年的研究经历以及教学经验，并根据学生的反馈信息，对该课程的教学模式进行了探索，希望有助于提高教学效果和教学水平；知识点的整合

数字图像处理涉及到的知识点繁琐，但是通过有效的整合可以使得教学体系前后连贯，教学内容较为紧凑，同时使得学生理解起来更为容易，思路更加清晰。如以清华大学出版社的出版的《数值图像处理和分析》为例，全书一共11章。根据教材内容的前后联系和学生的知识背景，对教学内容进行了整合，如表1所示。前面的第一、二章是介绍数值图像处理的概念，这部分可以引导学生自学。原书第三、五、六章主要利用各种变换来图像质量的改善。第四章是图像的编码与压缩，主要是实现对图像的存储和传输。七、八、九章的内容主要是图像的特征的提取和分类。最后两章是数值图像处理在数字水印和车牌识别方面的应用，可以利用两个专题讲座的形式来进行授课。经过整合，把所有的内容分成了三个教学模块，使得教学更加紧凑，条理清晰，学生理解起来也更容易。

表1 教学内容的整合[整合前内容＼&整合后内容

章节的调整 整合＼&绪论＼&绪论＼&引导学生自学＼&数字图像的表述与处理＼&数字图像的表述与处理＼&图像增强＼&图像增强＼&图像质量的改善

＼&

数字图像处理的方法＼&图像的编码与压缩＼&图像复原＼&图像复原＼&图像重建＼&图像重建＼&图像的编码与压缩＼&图像的存储和传输。＼&图像分割技术＼&图像分割技术＼&图像特征的提取与分类＼&图像的特征提取与分析＼&图像的特征提取与分析＼&图像的匹配与识别＼&图像的匹配与识别＼&基于MATLAB数字水印系统设计＼&基于MATLAB数字水印系统设计＼&专题讲座＼&车辆牌照识别系统设计＼&车辆牌照识别系统设计＼&] 基础理论知识

3.1 案例教学

案例教学是通过一个具体教育方式来实现场景的重现，引导学生对这些特殊情景进行讨论和分析，加深学生对知识点的理解，培养学生积极学习兴趣和创新力的一种教学方法[3]。数值图像处理涉及到微积分、偏微分、小波分析、矩阵论、信息论预编码等数学知识。因此，需要学生有一定的数学基础，然而工科的学生的数学基础普遍较差，单从理论方面来进行讲解学生很难理解和掌握。幸运的是，虽然这门课程设计的数学知识面广，但是这些知识都具有较强的应用背景，如果在授课的过程中能够结合实际的例子来进行分析能，就可以使得复杂的数学知识变得简单易懂，学生掌握起来也更加轻松。例如，信号可以按它的频率分为高频信号和低频信号。那么什么是信号的频率以及怎么判断高频信号和低频信号，在授课过程中应给以详细的解释，最后举一个例子如给出如下一幅雷娜图像。图中的帽子上纹理灰度值变化较快，所以就是高频部分[4]。而脸部灰度值比较平滑（变化较慢），所以是低频部分。

图1 雷娜图像

3.2 内容的适度延伸

在当今的世界，知识的更新是很快的。目前大部分知识的载体是书籍、报刊、杂志。在这几种重要载体中书籍的知识更新度是最慢的，然而现在上课用的课本基本上都是以书籍的呈现形式。因此如何把书本上经典而滞后的知识和该领域最新的研究成果联系起来是非常关键的。一方面，可以使得知识具有连贯性，使得学生更容易系统的掌握；另一方面，以拓宽知识面和提高学习的积极性。所以尝试性的要求学生查阅相关资料，了解本领域的研究进展是有必要的。

在教学过程中，除了常规的讲解书本上的理论知识外，将其中部分内容适当整理后，以课堂讲座形式开展，并对相关知识作适当的补充和延伸[5]，使知识更系统化，立体化。例如，在讲授图像质量的改善方法的内容时，会经常用到各种图像变换的方法，如傅立叶变换[6]、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理[7]。其优点在于不仅可减少计算量，而且可获得更有效的处理。当学生掌握了各种基本变换方法后，可以引入小波变换方法，并介绍小波变换原理以及与经典变换方法的相似性。然后，给出小波变换的优势即在时域和频域中都具有良好的局部化特性。如果学生有兴趣的话，可以介绍在小波变换的基础上进一步发展得到的脊波变换，并通过一些图像例子来加深理解，如图

2、图3和图4所示。这样的讲授不仅可以让学生更系统的理解各种变换理论而且通过研究整个理论体系的发展可以激发学生的兴趣和创造性。实践教学

实践教学是教学课程的重要组成部分，它是巩固理论知识和加深对理论认识的有效途径，是培养具有创新意识的高素质工程技术人员的重要环节，是理论联系实际、培养学生的独立思考和创新能力的重要平台[8]。相对于理论教学而言，实践教学是教学过程中最薄弱的环节。为了有效提高实践教学，根据学生的实际情况对相关的实验内容的选取进行了相应的改革。

4.1实验准备

考虑到电子信息专业的同学不同于计算机专业，没有开设VC 课程，但开设了MATLAB 课程，已经掌握了MATLAB 的一些基本编程能力，另外，MATLAB 软件为数字图像处理提供了功能丰富的图像处理工具箱。它集成了一系列支持图像处理操作的函数。涵盖了图像处理的几乎所有的技术方法，是学习和研究图像处理的人员的宝贵资料和加工工具。因此，选取计算能力强的MATLAB软件作为教学软件是必要的。此外，还需要准备实验所需的图像。

4.2 实验内容

实验内容的选取也是相当关键的。根据学生掌握知识的能力以及知识的前后衔接关系，选择图像变换、增强、分割、特征提取和识别等作为实验内容。然后根据知识点的难易程度分为基本实验、开放型实验和演示实验。这样具有一定的层次感，使得学生接受起来较为容易。例如，对于傅里叶变换的实验，首先要求学生能够对图像进行傅里叶变换，并分析变换后的图像以及其逆变换后重构图像；当在这个试验中掌握了傅里叶变换后，再安排图像频域增强等实验。

4.3 实验内容拓展

通过理论知识的讲解以及基本实验的实施，学生能够较好的理解所学的知识，且能够将所学的知识应用于处理一幅具体图像。为了进一步培养学生独立思考和创新的能力，需要为一些有兴趣的学生提供一些参与教师科研项目的机会。例如通过课程设计的形式来为他们积累一些实践经验以及培养他们的创新能力。通过学生的积极参与，一方面，加深了对所学专业知识的理解，另一方面培养学生的学习兴趣和创新能力。结论

本文针对计算机、影像各专业对图像处理的要求和数字图像处理本身的特点，充分结合我校学生的实际情况，对《数字图像处理》课程的教学进行的尝试性的改革和探索。通过对教学内容的整合，使得教学内容更紧凑和调理更清楚。在理论知识的传授方面，结合了案例教学法和教学内容延伸法来进一步提高学生的学习兴趣和能力。最后，利用教学实践来巩固所学知识，增强学生的创造力。随着时代的发展以及知识的快速更新，对教学提出了新的要求。作为教学主体的教师，需要不断的地学习新的知识，总结教学经验，不断地探索和尝试新的教学方法才能与时俱进。

参考文献：

[1] 冈萨雷斯.（阮秋琦，阮宇智等）数字图像处理（第二版）[M].北京：电子工业出版社，2003.[2] 章毓章.图象处理和分析[M].清华大学出版社，2002.[3] 黄果，秦红英，许黎，等.浅谈数字图像处理课程教学改革[J].计算机光盘软件与应用，2013，3（7）：280-281.[4] 王旭初，潘银松.《数字图像处理》实验的课题驱动式教学探索[J].电脑知识与技术，2010，34（6）：9810-9811，9818.[5] 王雪.图像处理教学中如何培养学生的行业素质[J].长春教育学院学报，2013，29（1）：145，157

[6] 朱明轩.数字图像压缩中的域变换技术[J].电脑知识与技术，2008，4（7）：1745-1746.[7] 潘振赣，龚声蓉.浅谈数字图像处理技术的基本原理[J].电脑知识与技术，2010，6（6）：1452-1453，1460.[8] 刘二林.医学图像处理课程教学模式探索[J].计算机光盘软件与应用，2012，21（2）：19-21.

第二篇：《数字图像处理》课程教学大纲

《数字图像处理》课程教学大纲

Digital Image Processing 课程编号：

适用专业：电类、计算机类

学时数： 40

学分数：2 执笔者：何家峰

编写日期：2005年8月

一、课程的性质和目的

本课程是电类、计算机类的一门技术性和应用性很强的专业课。学习本课程的目的在于：使学生掌握数字图像处理的基本概念、基本理论和基本方法，并了解数字图像处理的发展方向和应用情况。学习完本课程并结合相应的实验，学生应达到以下要求：①掌握常用的数字图像处理方法，包括图像增强方法、频域处理方法、图像分割方法、图像特征描述方法和数学形态学方法等；②能较为熟练地用Matlab或VC++语言编写常用的数字图像处理算法。

二、课程教学内容

第一章 绪论(2学时)掌握数字图像处理的一般概念。重点是数字图像处理的主要内容、图像工程的三个层次及其数字图像处理系统的组成，并了解数字图像处理的应用和发展动向。

本章知识点为：图像、数字图像、数字图像处理的定义；数字图像处理的目的和主要内容；图像工程与相关学科；数字图像处理系统的组成；数字图像处理的应用和发展方向。

第二章 数字图像处理基础(2学时)

掌握数字图像处理的一些基础知识。重点是采样和量化的概念、BMP图像文件格式、RGB颜色模型和HIS颜色模型，理解RGB颜色模型和HIS颜色模型的色度学基础和适用范围。

本章知识点为：图象数字化技术；数字图像类型；图象文件格式；色度学基础与颜色模型。第三章 图像增强(10学时)学习多种图像增强方法。重点是掌握直方图均衡化方法、空域图象平滑与锐化方法。为使学生更深刻理解直方图拉伸和直方图均衡化的原理，应把相应的数学推导讲解透彻。

本章知识点为：直方图的拉伸和均衡化；灰度线性变换和非线性变换；图像噪声分类与特点；模板操作、邻域平均、中值滤波和其他去噪技术；图像锐化：微分法、拉普拉斯变换和高通滤波；图像的伪彩色处理。

本章安排实验：图像增强实验。第四章 图像分割(8学时)

掌握图像分割方法、边缘检测方法、轮廓跟踪、图像匹配、投影法、差影法等的基本原理。轮廓跟踪是本章的难点内容，应结合具体的阈值化图像矩阵进行讲解。

本章知识点为：区域分割：阈值分割、区域生长、区域聚合；边缘检测：微分运算、LOG算子；轮廓 跟踪与提取；图像匹配：莫把面匹配、直方图匹配、形状匹配；投影法与差影法。

本章实验安排：图像分割实验。第五章 图像的几何变换(4学时)掌握几何变换的数学基础，以及几种常见的几何变换方法，包括平移变换、比例变换、旋转变换、镜像变换、复合变换和透视变换。其中，几何变换的数学基础和比例变换可以作为本章的重点内容。

本章知识点为：齐次坐标与二维图像几何变换矩阵；图像比例缩放变换；图像平移变换；图像镜像变换；图像旋转变换；图像复合变换；透视变换。

自学内容：透视变换可以安排学生自学。第六章 频域处理(2学时)

掌握可分离变换原理，重点掌握傅立叶变换和余弦变换的原理和应用。

本章知识点：傅立叶变换；可分离变换；离散余弦变换；WHT变换。傅立叶变换在数字信号处理中已经学过，这里只是由一维变换扩展为二维变换，可以不讲。

自学内容：小波变换及其他可分离变换作为学生自学了解内容。第七章 数学形态学处理(4学时)掌握二值形态学和灰度形态学的几种基本操作，了解形态学在图像处理中的应用。

本章知识点：数学形态学的基本概念与术语；二值形态学：腐蚀、膨胀、开闭运算、击中/击不中变换；灰度形态学：灰度腐蚀、灰度膨胀、灰度开闭运算；形态学的应用：形态学滤波、骨架抽取。

第八章 图像特征(8学时)掌握图像的几何特征、形状特征、纹理特征、中轴变换与骨架提取、曲线与表面的拟合以及其他特征。其中，不变矩、几种纹理描述、四叉树应作为重点内容讲解。

本章知识点：图象的几何特征：位置与方向、周长、面积、长轴和短轴；形状特征：矩形度、圆形度、球状性、不变矩、偏心率、形状描述子；纹理分析：统计法、空间自相关纹理测度、联合概率矩阵法、纹理的句法结构分析法；中轴变换与骨架提取；曲线与表面的拟合；其他特征或描述：标记、欧拉数、四叉树。

本章实验安排：图象特征提取与识别。

三、课程教学的基本要求

本课程是电类、计算机类专业的专业程，实践性较强。在教学方法上，采用课堂讲授，结合课后自学、实验、习题等教学形式。

(一)课堂讲授

本课程在讲解上着重数学公式物理含义的阐述，对于难点内容，可以结合一个人为构造的图像矩阵来解释。力求做到重点突出，由浅入深，便于学生理解和掌握。

在应用方面，主要结合自己和他人的研究成果，介绍一些图像处理方法的应用实例，增强学生的直观 体验，培养学生的学习兴趣。

（二）课后自学

为了拓展学生的知识面，以及培养学生的自学能力，安排部分内容，课后学生自学。

（三）习题课

安排2学时习题课（已包括在前述学时分配中），讲解综合性例题及布置作业中的共性错误。

（四）课外作业

课外作业以编程题目为主，平均每章1~3道题，以加深对所学基本图像处理方法和算法的理解，加强Matlab或VC编程能力。

（五）实验

结合本课程的内容开设3个的相应实验。教学实验内容以验证性实验和综合性为主，以巩固课堂所学图像处理技术，培养科学实验研究能力。

（六）考试

本课程采用闭卷或开卷形式考试，试题题型可采用填空、判断、简答、程序设计等。主要考察学生对基本概念、基本方法的掌握及综合应用情况。

总评成绩：课外作业、平时考勤、实验占30%；期末考试占70%。

四、本课程与其它课程的联系与分工

先修课程：高等数学、概率论与数理统计、信号与系统、数字信号处理。

五、建议教材与教学参考书

［1］何东健主编，《数字图像处理》，西安电子科技大学出版社，2005.3 ［2］章毓晋编著，《图像处理与分析》，清华大学出版社，2002.5 ［3］朱秀昌编著，《图像处理与图像通信》，北京邮电大学出版社，2005.5 ［4］M.Petrou, P.Bosdogianni，《数字图像处理疑难解析》，机械工业出版社，2005.4

第三篇：数字图像处理

中南大学

数字图像处理实验 实验名称：空间滤波和频域滤波

班级：电子信息0802班

姓名：李哲 学号：0909080609 实验日期：2010年12月22日

目录

一，实验目的„„„„„„„„„„„„„„„„„„„„„„„3 二，给图像添加噪声„„„„„„„„„„„„„„„„„„„„4 三，对被噪声污染的图像进行中值滤波和均值滤波„„„„„„„5 四，对图像进行空间域的锐化„„„„„„„„„„„„„„„„6 五，MATLAB以外函数空间滤波和图像锐化„„„„„„„„„„7 六，自带函数傅立叶变换和反变换„„„„„„„„„„„„„„8 七，低通滤波器程序„„„„„„„„„„„„„„„„„„„„9 八，心得体会 „„„„„„„„„„„„„„„„„„„„„„10 九，参考文献 „„„„„„„„„„„„„„„„„„„„„„10

一、实验目的 1，空间滤波：

图像平滑主要目的是减少噪声。噪声有很多种类，不同的噪声有不同的抑制措施。本实验要求用平滑线性滤波和中值滤波2种最典型、最常用的处理算法进行程序设计，学习如何对已被噪声污染的图像进行“净化”。通过平滑处理，对结果图像加以比较，得出自己的实验结论。学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子，使图像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。本实验锐化处理主要在空间域中进行 2，频域滤波：

掌握傅里叶变换的基本性质； 掌握傅里叶正变换和反变换； 通过实验了解二维频谱的分布特点； 掌握怎样利用傅立叶变换进行频域滤波

利用MATLAB程序数字图像的傅立叶变换并且进行频域滤波

二，给图像添加椒盐噪声或者高斯噪声： 原理：利用MATLAB自带函数添加噪声 程序代码：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒盐噪声');%添加椒盐噪声 K = imnoise(I,'gaussian',0,0.03);

figure,imshow(K),title('高斯噪声');%添加高斯噪声

三，对被噪声污染的图像进行中值滤波和均值滤波： 原理：自带函数进行中值滤波和均值滤波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原图');figure,imshow(k2),title('中值滤波5*5模板');figure,imshow(k3),title('中值滤波7*7模板');

四，对图像进行空间域的锐化： 原理：自带函数进行空间锐化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原图像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子锐化图像');

五，MATLAB以外函数空间滤波和图像锐化：

源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪声干扰图像')figure, imshow(K);title('medfilt2滤波图像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);

for i=1:M-a

for j=1:N-b

funBox=X(i:i+a,j:j+b);

temp=funBox(:);

tempSort=sort(temp);

Y(i,j)=tempSort(k);

end;end;figure, imshow(Y);title('滤波图像')

六，利用Matlab的图像处理工具箱中提供的函数实现图像的傅立叶变换和反变换： 源程序：

A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原图');F=fft2(f);% 快速傅立叶变换

subplot(132),imshow(F),title('傅里叶变换')Fabs=abs(F);% 求幅频绝对值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 对数变换

iFc1=ifftshift(Fc);% 中心移位的逆变换，绝对值 iF2=ifft2(iFc1);% 快速傅立叶变换的逆变换

subplot(133),imshow(iF2),title('快速傅立叶变换的逆变换')

七，低通滤波器程序：

I=imread('testpat1.png');subplot(221),imshow(I);title('原始图像')J1=imnoise(I,'gaussian',0.02);% 叠加高斯白噪声

subplot(222),imshow(J1);title('添加高斯白噪声的图像')f=double(J1);

% 数据类型转换 g=fft2(f);

% 傅立叶变换 g=fftshift(g);

[M,N]=size(g);nn=2;

% 二阶巴特沃斯(Butterworth)低通滤波器 d0=50;

% 设置截止频率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));% 计算低通滤波器传递函数

result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通滤波后图像')

心得体会

1，进一步熟悉了Matlab软件、编程以及图像处理工具箱 2，学会利用自带函数对图像做简单的处理，例如：均值化等。3，熟练了一些基本函数的运用，例如fspecial，imfilter等。4，加深了对MATLAB编程的理解。

5，对于试验中的出现的一些问题，懂得怎样去处理。6，通过实际操作，增强了自己的动手能力，把理论用于实践。

参考文献：数字图像处理第二版

MATLAB教程

第四篇：《数字图像处理》

实验五 图像的几何变换

一．实验目的及要求

掌握图像几何变换的基本原理，熟练掌握数字图像的缩放、旋转、平移、镜像和转置的基本原理及其MATLAB编程实现方法。

二、实验内容

（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。

1.图像缩放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;

% 将图像放大1.35倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize

% 查看imresize使用帮助

1.95倍

I = imread('cameraman.tif');Scale = 1.96;

% 将图像放大1.96倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');

说明：

注意观察不同插值方法的图像表现； 改变图像缩放因子Scale，重做上述实验。2.图像旋转

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 将图像逆时针旋转45。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 将图像顺时针旋转45。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用帮助 help imrotate %-------

图像旋转30顺时针逆时针

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 将图像逆时针旋转30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 将图像顺时针旋转30。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 说明：

注意观察不同插值方法和输出图像后处理方法的图像表现； 改变旋转角度大小和方向，重做上述实验。

3．图像水平镜象

clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);

I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----

(二)用MATLAB编程实现以下图像几何变换（参考自编讲义相关章节）

1．图像扭曲变换 2．球面变换

三、实验设备

1．PIII以上微机； 2．MATLAB6.5；

四、预习与思考

1．预习实验内容，阅读教材熟悉实验原理；

2．查阅资料，熟悉实验中涉及的有关MATLAB函数；

3．利用课余时间，采用MATLAB底层函数编程实现实验内容

（二）中的图像平移、图像转置等几何变换。

五、实验报告要求

1．简述试验的目的和试验原理；

2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。

实验六

数字图像处理应用

一．实验目的及要求

1．利用MATLAB提供的图像处理函数实现图像中物体属性的测量； 2．训练综合运用MATLAB图像处理函数的能力； 3．了解数字图像处理基本应用。

二、实验内容

以大米粒特性测量为例，综合应用课程中图像分割、形态学滤波、图像增强、图像特征提取等图像处理方法，实现大米粒特性自动测量。实验过程简述：

1． 读取和显示图像 2． 估计图像背景 3． 获取背景均匀的图像 4． 图像增强 5． 图像二值化分割 6． 区域标记及为彩色处理

7． 测量图像中的区域特性（面积、质心等）

8．统计大米粒的特性分布规律。

（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结 果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。

% Read and Display an Image clear, close all,close all;I = imread('rice.png');

figure, imshow(I)

% Use Morphological Opening to Estimate the Background

background = imopen(I,strel('disk',15));

figure, imshow(background);

%Display the Background Approximation as a Surface

figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);

% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12

(详见MATLAB IPT的 帮助文档demo中的Correcting Nonuniform Illumination)

（二）查看MATLAB IPT 帮助文档，研究其它应用演示

三、实验设备 1．PIII以上微机； 2．MATLAB6.5；

四、预习与思考

1．预习实验内容，阅读教材熟悉实验原理； 2．查阅资料，熟悉实验中涉及的有关函数。

3．利用课余时间，采用MATLAB函数编程实现实验内容

（二）。

五、实验报告要求

1．简述试验的目的和试验原理；

2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。

第五篇：《数字图像处理与分析》课程教学大纲

《数字图像处理与分析》课程教学大纲

英文名称：Digital Image Processing and Analysis 课程号：19139314

一、课程基本情况

1.学

分： 2

2.学

时： 32

3.课程类别：选修课

4.适用对象：电子与通信工程领域专业学位研究生 5.开课学期：第二学期

6.开课单位：通信与电子工程学院

二、课程教学目的与要求

1.教学目的：

该课程系统学习数字图像处理的中高级层次的内容。其主要任务是使学生在掌握数字图像处理常用技术的基础上，进一步学习图像解译的前沿方法和技术，并初步具备设计数字图像处理应用系统的能力。该课程主要内容包括概论、小波变换、图像分割、特征表述、对象识别、图像工程应用实例等。

2.教学要求：

使学生在具有数字图像处理常用技术的基础上，进一步掌握小波变换、图像分割、目标表达和描述技术、特征测量技术等图像处理与分析领域的前沿方法和技术，并初步具备设计数字图像处理应用系统的能力，为学生进一步进行科学研究奠定坚实的基础。

三、课堂教学内容及课时安排

第一章 图像处理基础

教学内容：

本章讲授数字图像处理的基本原理和一些必备的数学工具：掌握数字图像采集和获取的基本概念和方法、掌握数字图像的各类增加方法、恢复方法、彩色图像处理以及变化方法。

教学重点：数字图像采集和获取的基本概念和方法、数字图像的各类增加方法、恢复方法、彩色图像处理以及变化方法。

教学难点：彩色图像处理以及变化方法 课时分配：讲授2学时，讨论2学时 教学方法与手段：讲授法，案例教学法

第二章 小波变换

教学内容：

本章学习图像小波变换的基本的的基本概念、掌握连续小波变换、二进小波变换、Haar变换、离散小波变换、多分辨率分析、快速小波变换算法、离散小波变换的设计、二维离散小波变换、双正交小波变换、Gabor变换及其应用。

教学重点：多分辨率分析、快速小波变换算法、离散小波变换的设计、二维离散小波变换、双正交小波变换和应用。

教学难点：Gabor变换及其应用。课时分配：讲授2学时，讨论2学时 教学方法与手段：讲授法，案例教学法

第三章 图像分割

教学内容：

本章要求了解图像分割定义和方法分类，掌握边缘检测的基本原理和方法。掌握边界跟踪和图搜索、阈值分割、基于变换直方图选取阈值、空间聚类、区域生长、彩色图象分割及其应用。

教学重点：边界跟踪和图搜索、阈值分割、基于变换直方图选取阈值、空间聚类、区域生长、彩色图象分割及其应用。

教学难点：彩色图象分割及其应用 课时分配：讲授2学时，讨论2学时 教学方法与手段：讲授法，案例教学法

第四章 目标表达和描述技术

教学内容：

本章要求了解边界的链码表达，边界线段的近似表达，目标的层次表达，目标的骨架表达，运动的表达，目标轮廓的傅里叶描述，目标轮廓的小波描述及其应用。

教学重点：边界的链码表达，边界线段的近似表达，目标的层次表达，目标的骨架表达，运动的表达，目标轮廓的傅里叶描述，目标轮廓的小波描述及其应用。

教学难点：目标轮廓的小波描述及其应用 课时分配：讲授2学时，讨论4学时 教学方法与手段：讲授法，案例教学法

第五章 特征测量技术

教学内容：

本章要求了解特征测量技术的基本原理，掌握轮廓基本参数及测量、区域基本参数及测量、区域形状参数及测量、区域纹理参数及测量、轮廓矩和区域矩、特征测量的精确度分析与讨论。

教学重点：轮廓基本参数及测量、区域基本参数及测量、区域形状参数及测量、区域纹理参数及测量、轮廓矩和区域矩、特征测量的精确度分析与讨论。

教学难点：特征测量的精确度分析与讨论

课时分配：讲授2学时，讨论4学时，图像测量过程演示2学时 教学方法与手段：讲授法，案例教学法

第六章 图像工程应用

教学内容：

本章要求了解基于OpenCV的人脸检测应用，掌握Haar特征检测原理与Haar特征分类器的训练，掌握如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别，分析人脸识别示例代码，讨论人脸识别程序运行精度与改进方法。

教学重点：如何在OpenCV中使用Haar特征分类器来对图像中的人脸进行检测和识别，分析人脸识别示例代码，讨论人脸识别程序运行精度与改进方法。

教学难点：人脸识别程序运行精度与改进方法

课时分配：讲授2学时，讨论4学时，人脸识别示例代码演示2学时 教学方法与手段：讲授法，案例教学法

四、考核方法

1.考核方式：考查 2.考核形式：开卷 3.成绩评定方案：

平时成绩30%，期末考试成绩70%。

平时成绩包括：出勤5%，讨论表现10%，情景演示15%

五、选用教材和主要参考资料

《图像工程(第3版)》，章毓晋编著，清华大学出版社，2013年，第3版；

《图像处理和分析技术（第2版）》，章毓晋编著，高等教育出版社，2008年，第2版； 《图像处理与分析》，TonyF.Chan著，科学出版社，2011年，第1版；

撰写人：何鹏

审定人：姚仲敏 批准人：姚仲敏

执行时间：2015年秋